Kesimpulan
Keadilan bukan tujuan satu kali yang ingin dicapai; ini adalah upaya yang berkelanjutan. Berikut informasi selengkapnya tentang Jigsaw yang terus berlanjut untuk mengurangi bias dalam model Perspektif API-nya.
Pelajari Keadilan ML lebih lanjut
Lanjutkan edukasi Keadilan ML Anda dengan referensi ini
Belajar Mandiri Keadilan MLCC
Kursus belajar mandiri berdurasi satu jam ini memperkenalkan konsep dasar Keadilan ML, termasuk sumber bias umum, cara mengidentifikasi bias dalam data, dan cara mengevaluasi prediksi model dengan mempertimbangkan keadilan.
Glosarium ML
Glosarium ML berisi lebih dari 30 entri Keadilan ML, yang memberikan definisi yang cocok untuk pemula serta contoh bias umum, metrik evaluasi keadilan utama, dan lainnya.
Sertakan Keadilan ke dalam alur kerja ML Anda
Gunakan alat berikut untuk membantu mengidentifikasi dan mengatasi bias dalam model ML
Indikator Keadilan
Indikator Keadilan adalah alat visualisasi yang didukung oleh TensorFlow Model Analysis (TFMA) yang mengevaluasi performa model di seluruh subgrup, lalu membuat grafik hasil untuk berbagai metrik yang populer, termasuk rasio positif palsu, rasio negatif palsu, presisi, dan perolehan.
What-If Tool
Alat What-If adalah antarmuka visual interaktif yang dirancang untuk membantu Anda memeriksa model dengan lebih baik. Pelajari performa model untuk berbagai fitur di set data Anda menggunakan strategi pengoptimalan yang berbeda, dan pelajari dampak memanipulasi nilai titik data individual.